Milk

Mælk wraps libsvm i Python kode.
Det understøtter også k-betyder clustering med en implementering, der er omhyggelig med ikke at bruge for meget hukommelse

Funktioner :.

• Tilfældig skove
• Self organisere kort
• SVMs. Brug af libsvm solver med en Python wrapper omkring det.
• Trinvis Discriminant Analyse for funktionen valg.
• Ikke-negative matrix factorisation
• K-midler ved brug af så lidt hukommelse som muligt.
• Affinity formering

Hvad er nyt i denne udgivelse:.

• Tilføjet underrum projektion KNN
• Export pdist i mælk navnerummet.
• Tilføjet Eigen til kilden distribution.
• Tilføjet measures.curves.roc.
• Tilføjet mds_dists funktion.

Hvad er nyt i version 0.5:

• Tilføj koordinat-afstamning baserede LASSO
• Tilføj unsupervised.center funktion
• Lav zscore arbejde med NaN (ved at ignorere dem)
• Udbrede apply_many opkald via transformatorer

Hvad er nyt i version 0.4.1:.

• Rettet en vigtig fejl i gridsearch

Hvad er nyt i version 0.4.0:

• Brug multiprocessing at drage fordel af multi core maskiner ( fra som standard).
• Tilføj perceptron lærende
• Angiv random seed i tilfældig skov lærende
• Tilføj advarsel til mælk / __ init__.py hvis import svigter
• Tilføj returværdien til gridminimise
• Angiv random frø i precluster_learner
• Implementeret fejlkorrigerende Output Koder til reduktion af multi-class til binær (herunder sandsynlighed estimering)
• Tilføj multi_strategy argument defaultlearner ()
• Gør dot kernen i SVM meget, meget, hurtigere
• Opret sigmoidal montering for SVM sandsynlighed anslår hurtigere
• Fix bug i randomforest (plaster af Wei på mælk brugere mailing liste)

Hvad er nyt i version 0.3.10:

• Tilføj ext.jugparallel til integration med kande
• Parallel nfold crossvalidation hjælp kande
• Parallel flere kmeans kører bruger kande
• cluster_agreement for ikke-ndarrays
• Tilføj histogram & normali (z | s) e muligheder for at milk.kmeans.assign_centroid
• Fix bug i sda når funktioner var konstant i en klasse
• Tilføj select_best_kmeans
• Tilføjet defaultlearner som et bedre navn end defaultclassifier
• Tilføj measures.curves.precision_recall
• Tilføj unsupervised.parzen.parzen

Hvad er nyt i version 0.3.8:.

• Fast kompilering på Windows

Hvad er nyt i version 0.3.7:.

• Logistisk regression
• Source demoer inkluderet (i kilden og dokumentation).
• Tilføj klynge aftale målinger.
• Fix nfoldcrossvalidation bug ved brug af oprindelse.

Hvad er nyt i version 0.3.5:.

• Bugfix for 64 bit

Hvad er nyt i version 0.3.4:.

• Tilfældig skov elever
• Afgørelse træer drønede op 20x.
• Meget hurtigere gridsearch (finder optimalt uden beregning alle folder).